基于免疫遗传算法优化的集装箱桥吊防摇控制

桥吊系统存在严重的非线性,如果采用常规的PID控制器很难对其有较好的控制效果.可以采用基于遗传算法优化模糊控制器的方法对其控制,但采用普通遗传算法优化模糊控制器具有收敛慢的缺点,因此,本文提出了基于免疫遗传算法优化模糊控制的方法.仿真结果表明该控制器对桥吊防摇有很好的控制效果.且这种控制方法对于参数未知,时变负载扰动大的系统具有很好的工程实践价值.     

一种基于改进遗传算法的模糊神经网络控制器及其在烧结终点控制中的应用

针对烧结过程这一复杂、多参数耦合的高度非线性系统,融合遗传算法、神经网络和模糊控制的优点,提出一种基于改进遗传算法的模糊神经网络控制方法,并应用于烧结过程终点控制．首先采用遗传算法对给定的模糊神经网络控制器结构参数进行离线优化,然后利用BP算法较强的局部搜索能力和对对象的适应能力,进一步进行参数的在线调整．同时,为解决传统遗传算法早熟和收敛速度慢的问题,从交叉和变异算子、适应度函数选取等方面对遗传算法进行改进．采用精英保留策略,提高了全局搜索性能和收敛速度．仿真结果表明,所提出的控制器优于常规的模糊神经网络控制器(Fuzzy Neural Network Controller, FNNC)．算法的实际应用效果良好,为解决烧结终点控制问题提供了一条新的途径．     

基于改进遗传算法的模糊控制器设计

针对模糊控制器的隶属度函数和模糊控制规则的选取及优化缺乏自学习能力与知识采集的手段,以及遗传算法具有自适应、启发式、概率性、迭代式全局收敛的特点,该文章将遗传算法与模糊控制相结合,给出了一种基于改进遗传算法的模糊控制器设计策略.改进算法引入了分裂算子来避免遗传算法在寻优过程中陷入局部最优解,同时对编码方式、选择算子、交叉算子以及变异算子做了相应的调整与改进.并将此改进算法用于优化模糊控制器的隶属度函数与模糊控制规则.仿真结果表明用该改进算法优化后的模糊控制器较用普通遗传算法优化后的模糊控制器具有更好的控制性能.     

基于矢量矩免疫遗传算法的PID参数整定

对于不确定系统,PID控制器存在着跟踪设定值与抑制扰动之间、鲁棒性与控制性之间的矛盾,对此,提出采用基于矢量矩方法计算抗体浓度,用免疫遗传算法思想对PID参数进行优化,提出了一种基于矢量矩的免疫遗传算法的PID参数优化控制方法。仿真结果表明,这种优化算法加快了收敛速度,有效提高了系统的全局稳定性,增强了PID控制器的鲁棒性。     

基于改进遗传算法的小波神经网络控制器的研究

小波神经网络是一种引入小波分析理论的前馈型神经网络,其与遗传算法的结合可以得到一种拥有良好全局优化搜索和良好局部时频特性的学习训练途径。本文提出了一种基于改进遗传算法的小波神经网络控制器,此方法可以克服基本遗传算法收敛速度慢,容易陷入＂早熟＂收敛,计算稳定性不好等一系列问题,进一步提高了小波神经网络控制器的性能。最后通过二级倒立摆仿真和实物控制,证明了控制器的有效性。     

基于遗传算法的模糊迭代学习控制算法

为了提高被控系统的控制精度及加快迭代域内的收敛速度,提出一种基于遗传算法的模糊PD型迭代学习控制算法。该算法通过模糊TSK模型设计迭代学习控制器,TSK模型中THEN部分的未知参数由遗传算法离线计算确定,进而产生合理的迭代学习律。针对被控系统,设计相应的迭代学习控制算法进行仿真分析,并与传统PD型迭代学习控制算法、模糊PID迭代学习控制算法相比较,进而将该算法用于双关节机械手进行仿真研究,仿真结果表明该算法的有效性。     

基于改进遗传算法的模糊神经网络控制器的设计

为了充分利用遗传算法的全局搜索能力和BP算法的局部搜索能力,提出了1种基于改进遗传算法的模糊神经网络控制器的设计,并通过对二阶系统模型的仿真,证明基于改进遗传算法的模糊神经网络控制器比常规的模糊神经网络控制器具有更好的控制性,具有更大的实用性。     

遗传算法交叉和变异操作的模糊优化

该文针对遗传算法存在的问题,在总结了有关交叉和变异操作的启发性知识的基础上,给出了交叉概率、交叉点位置和变异概率的模糊优化规则,提出了一种新的基于模糊控制器的遗传算法(FCGA)。对三个函数的优化结果表明:FCGA不仅能够有效克服早熟收敛,而且提高了算法的收敛速度。     

基于免疫遗传算法优化的模糊控制方法及其应用

在模糊控制器的设计过程中,为了使模糊控制器的性能达到全局优化,应用免疫遗传算法对模糊控制器参数进行优化设计;在综合考虑各种参数对控制器性能影响的基础上,给出了一种全面优化隶属度函数、比例因子和量化因子的优化方法;利用了免疫算法能保持个体的多样性和能对学习过程进行引导的特点,对模糊控制器的多个参数同时进行优化,从而显著提高了系统的收敛性、稳定性。应用该方法对数控铣削加工过程的模糊控制器的设计进行了仿真,并与其他方法进行比较和控制实例的验证,表明了该基于免疫遗传算法优化的模糊器能获得更优良的控制性能。     

一种最优模糊神经网络控制器

基于最优控制的思想,通过对控制系统的过程模拟,提出一种最优模糊神经网络控制器的设计方案,首先利用基于十进制编码机制的遗传算法寻找最优的控制器结构,然后利用基于浮点数编码机制的遗传算法寻的最优的控制器参数,仿真结果表明该控制器优于常规模糊控制器。     

基于BP网络的飞轮电池电力转换控制研究

飞轮电池储能用集成电机时变非线性特点使得传统PID控制难以得到理想的控制性能,为此基于BP神经网络研究了一种新颖的飞轮电池电力转换器。该控制器结合BP神经网络自学习能力和PID控制的全局渐近稳定性能,通过神经网络在线优化调节PID参数,以实现对飞轮电池的高性能控制。其中,采用变学习速率的神经网络学习算法,学习速率随收敛过程误差的大小而自适应地进行调整,同时使用遗传算法(GA)优化得到PID参数的初始值,这可加快神经网络学习训练的收敛速度并避免陷入局部最小,进一步提高控制性能;另外,PWM采用SVPWM技术以增强能量转换效率和减小转矩脉动。数字仿真表明,基于所提出的BP-PID控制的电力转换矢量控制系统能够使飞轮电池在充放电两端都具有较快动态响应,较小超调,较高稳态精度以及较强的鲁棒性,控制效果明显比传统PID好。     

改进遗传算法PID参数整定及在漂白温度控制中的应用

遗传算法（GA）是一种基于群智能的全局随机优化算法。针对简单遗传算法（SGA）收敛速度慢、易于早熟等缺点,采用改进的自适应交叉算子和自适应变异算子。结合兼顾性能指标和响应过程平衡的适配函数,以多种改进方式相结合的遗传算法对PID参数进行寻优整定。并将该控制器应用于纸浆漂白温度控制中,仿真结果表明：改进遗传算法能够明显改善收敛速度和寻优效果,当被控对象存在较大纯滞后、时间常数特性较大时,采用本方法优化PID控制器参数可获得比较满意的控制效果。     

基于动态递归网络的PID自适应控制器的设计与应用

本文分析了改进的ELMAN网络的结构,并讨论了神经网络的学习算法,针对BP算法的缺陷,提出了用遗传算法修正网络权值的学习算法。本文不仅将采用遗传算法进行训练的改进ELMAN网络应用于汽车磷化加热系统的建模,而且针对该系统的特点提出了一种带预测模型的神经网络PID自适应控制器,并最后将该控制器应用于磷化温度控制,取得了良好的控制效果。     

基于遗传算法PID的旋转式倒立摆控制

旋转式倒立摆系统是一个多变量、强非线性、强耦合的不稳定系统,是人们检验、比较各种控制理论和方法的理想试验平台,国内外许多机构对它进行了广泛的研究,如何对其进行有效控制一直是控制界的一大热点。分析了旋转式倒立摆的数学模型,然后用Matlab建立了它的仿真模型,利用PID控制器对其进行控制。为了避免手工整定PID参数的繁琐过程,用遗传算法对旋转式倒立摆PID控制器的控制参数进行寻优,并以此来控制旋转式倒立摆。仿真结果表明利用遗传算法寻优设计的PID控制器来控制旋转式倒立摆可以获得很好的动态品质和稳定性。     

Design of a Proportional-Integral-Derivative Controller for an Automatic Generation Control of Multi-area Power Thermal Systems Using Firefly Algorithm

Essentially, it is significant to supply the consumer with reliable and sufficient power. Since, power quality is mea sured by the consistency in frequency and power flow between control areas. Thus, in a power system operation and control, automatic generation control (AGC) plays a crucial role. In this paper, multi-area (Five areas: area 1, area 2, area 3, area 4 and area 5) reheat thermal power systems are considered with proportional-integral-derivative (PID) controller as a supplemen tary controller. Each area in the investigated power system is equipped with appropriate governor unit, turbine with reheater unit, generator and speed regulator unit. The PID controller parameters are optimized by considering nature bio-inspired firefly algorithm (FFA). The experimental results demonstrated the comparison of the proposed system performance (FFA-PID) with optimized PID controller based genetic algorithm (GA PID) and particle swarm optimization (PSO) technique (PSO PID) for the same investigated power system. The results proved the efficiency of employing the integral time absolute error (ITAE) cost function with one percent step load perturbation (1% SLP) in area 1. The proposed system based FFA achieved the least settling time compared to using the GA or the PSO algorithms, while, it attained good results with respect to the peak overshoot/undershoot. In addition, the FFA performance is improved with the increased number of iterations which outperformed the other optimization algorithms based controller.      

基于改进遗传算法寻优的神经网络PID控制及应用

根据神经网络PID控制器初值的选取影响系统控制性能的特点,提出了一种基于改进遗传算法寻优的神经网络PID控制方法.即先利用遗传算法对PID控制器参数离线寻优,将求出的参数值作为控制器的比例、积分、微分系数的初值,再进行神经网络PID控制.对一类液位过程的实时控制结果表明采用本方法的控制系统具有较好的稳定性和鲁棒性.     

Robust Wind Speed Estimation and Control of Variable Speed Wind Turbines

In this work, a robust control scheme for variable speed wind turbine system that incorporates a doubly feed induction generator is described. The sliding mode controller is designed in order to track the optimum wind turbine speed value that produces the maximum power extraction for different wind speed values. A robust sliding mode observer for the aerodynamic torque is also proposed in order to avoid the wind speed sensors in the control scheme. The controller uses the estimated aerodynamic torque in order to calculate the reference value for the wind turbine speed. Another sliding mode control is also proposed in order to maintain the dc‐link voltage constant regardless of the direction of the rotor power flow. The stability analysis of the proposed controller under disturbances and parameter uncertainties is provided using the Lyapunov stability theory. Finally, the simulation results show that the proposed control scheme provides a high‐performance turbine speed control, in order to obtain the maximum wind power generation, and a high‐performance dc‐link regulation in the presence of system uncertainties.     

遗伟算法在PID控制器参数寻优中的应用研究

目的 用常规PID控制器对具有较大时间常数、大纯滞后特笥的被控对象实现最优控制。方法 采用遗传算法对PID参数进行寻优,在搜索空间内获得全局最优点。结果 将遗传算法和单纯形法分别用于PID参数寻优,仿真结果表明：采用遗传算法寻优能获得较好的控制效果。结论 在过程控制中,可采用遗传算法优化调节器参数。     

一种改进的遗传算法及其在PID控制中的应用

针对经典遗传算法收敛速度慢、易于早熟、局部寻优能力差等缺点,提出了一种改进的遗传算法,并将其应用于PID参数寻优。该算法既具有经典遗传算法的全局寻优能力,又具有局部寻优能力;同时,它又能有效地抑制早熟,保证得到的优化参数为最优。仿真结果表明,基于此遗传算法寻优设计的PID控制器可以极大地提高寻优的速度,鲁棒性强,具有很好的动态品质和稳定性。     

微型燃气轮机的新型神经网络控制的研究

燃机控制系统是一种多变量、非线性、时变的系统,对微型燃气轮机的转速控制器进行了深入研究.PID控制应用广泛,但在实际应用中,其参数整定仍未得到较好的解决.因此,设计了一种新的神经网络PID控制器作为主控制器,通过神经网络所具有的任意非线性表达能力,可以通过对系统性能的学习来实现具有最佳组合的PID控制,确保系统的稳定性、快速性和准确性.大量的仿真证明,该算法具有良好的控制效果.